Decidere orario per esercitazioni (con Doodle) IDUL 2010 RAPPRESENTAZIONE DELLE INFORMAZIONI IN FORMA DIGITALE Inizio: settimana del 12 per Bucchiarone; del 19 per Cavulli Esercitazione per i filosofi (HTML + XML + Semantic Web; docente: Antonio Bucchiarone) http://www.doodle.com/d8u2wxtv4t8ayc93 Le prime 3 esercitazioni saranno su HTML (il linguaggio di marcatura delle pagine web); si consiglia a qualsiasi studente interessato di frequentarle. Esercitazioni per studenti di Beni Culturali (Data Base; docente: Fabio Cavulli) http://www.doodle.com/552ng7ssvezvgf8z 1 2 CONCETTI FONDAMENTALI INTRODOTTI IN QUESTA LEZIONE Due tipi di informazione: in forma ANALOGICA (continua) in forma DISCRETA (o simbolica) Per rappresentare o comunicare informazione in forma discreta occorre un CODICE Esempi di codici: DNA, Morse Esempi di codici digitali: Per numeri Per testi Per immagini Per suoni 3 Informazione su computer Un computer deve: Fare input/output dell informazione Usando i dispositivi di input/output Memorizzare l informazione Usando la memoria principale/secondaria Elaborare l informazione Usando il processore 4 Informazione su computer PROBLEMA DELLA RAPPRESENTAZIONE DELL INFORMAZIONE SU COMPUTER informazione Mondo esterno codifica decodifica rappresentazione digitale Computer: memorizzazione, elaborazione 5 SVILUPPARE CODICI CHE PERMETTANO DI RAPPRESENTARE INFORMAZIONE DI TIPO DISCRETO IN MODO EFFICIENTE SU UN SUPPORTO FISICO RAPPRESENTARE INFORMAZIONE DI TIPO ANALOGICO CON CODICI DISCRETI 6
RAPPRESENTAZIONE ANALOGICA E DISCRETA Misure analogiche e digitali Rappresentazione ANALOGICA: una serie di distinzioni CONTINUE, prive in linea di principio di intervalli minimi. Immagini, suoni, numeri reali (3,14159265 ) Rappresentazione DISCRETA: basata sulla combinazione di elementi minimi chiaramente distinti. Linguaggio umano (unità minime = morfemi, fonemi) Rappresentazione DIGITALE: una rappresentazione discreta codificata tramite numeri 7 8 INFORMAZIONE IN FORMA ANALOGICA INFORMAZIONE IN FORMA DISCRETA 9 10 Esempio: Il codice MORSE MORSE Un codice TERNARIO (-,., spazio) -- --- - (space) - - --- - Codici per i caratteri scelti in modo che i caratteri più frequenti abbiano codici più brevi M O R S E (space) C O D E 11 12
UN ESEMPIO DI CODICE DISCRETO VISIVO CODICI IN NATURA In realta, i codici sono apparsi ben prima degli esseri umani. In natura si trovano molti esempi di codici, i piu famosi dei quali sono Il DNA Il repertorio di fonemi di un linguaggio (l insieme dei suoni che possono codificare differenze di significato) 13 14 UN CODICE FONDAMENTALE: Il DNA CODICI PER NUMERI Nel caso dei numeri, la necessita di sviluppare un codice limitato non e motivata solo da facilita di memorizzazione, ma anche dalla necessita di usarli per MANIPOLAZIONI SIMBOLICHE 15 16 DUE CODICI PER I NUMERI Codice ROMANO: ( I, L, X, C, M,...) VII + IV = XI Codice DECIMALE: (0, 1, 2, 3, 4, 5, 6, 7, 8, 9) 7 + 4 = 11 Differenza fondamentale: il codice decimale è un codice POSIZIONALE 7 = 7x10 0 75 = 7x10 1 + 5 x10 0 Sette decine + cinque unità I codici posizionali rendono le operazioni aritmetiche molto piu semplici 17 Rappresentazione digitale dei numeri Il codice decimale, benche molto comodo, non e il codice MINIMO Per rappresentare informazione sui computer, codice minimo essenziale perché occorre poter rappresentare ogni simbolo diverso in modo FISICO (= con circuiti elettrici) Il minimo numero di simboli diversi necessari per rappresentare tutti i numeri e il codice BINARIO: 0, 1 18
Rappresentazione digitale = rappresentazione binaria L entità minima di informazione che possiamo trovare all interno di un elaboratore prende il nome di bit Binary digit cifra binaria Un bit può assumere due valori Rappresentazione binaria Solo due simboli (0 e 1) 20 Numeri BINARI e numeri ESADECIMALI numero Sistema binario 1010 vengono usate due cifre (0 e 1) per rappresentare un numero problema: i numeri binari sono estremamente lunghi e difficili da ricordare Sistema esadecimale ogni numero è rappresentato con 16 cifre (0-9, A-F) i numeri sono più corti di quelli binari estrema facilità di conversione tra binario ed esadecimale in una sequenza binaria, ogni stringa di 4 bits corrisponde ad una cifra esadecimale 0110 1111 0110 numero binario (6) (15) (6) 6 F 6 numero esadecimale 21 X 10 A rappresentazione di un numero NUMERO MAGGIORE DI STATI Per poter rappresentare un numero maggiore di informazione si usano sequenze di bit Per esempio, per rappresentare quattro informazioni diverse possiamo utilizzare due bit che ci permettono di ottenere quattro (2 x 2) configurazioni distinte: 00 01 10 11 22 QUATTRO STATI DIVERSI Esempio: un esame può avere quattro possibili esiti: ottimo, discreto, sufficiente, insufficiente Codifica (due bit): ottimo con 00 discreto con 01 sufficiente con 10 insufficiente con 11 OTTO STATI Esempio: otto colori: nero, rosso, blu, giallo, verde, viola, grigio, arancione Codifico (tre bit): nero con 000 rosso con 001 blu con 010 giallo con 011 verde con 100 viola con 101 grigio con 110 arancione con 111 23 24
I numeri in rappresentazione binaria Il principio e lo stesso del codice decimale, ma con due soli simboli 70 = 7x10 1 + 0 x10 0 = 64 + 4 + 2 = 1 x2 6 + 0x2 5 + 0x2 4 + 0x2 3 + 1x2 2 + 1x2 1 + 0x2 0 = 1000110 178 = 1x10 2 + 7x10 1 + 8x10 0 = 128 + 32 + 8 + 2 = 1x2 7 + 0x2 6 + 1x2 5 + 0x2 4 + 1x2 3 + 0x2 2 + 1x2 1 + 0x2 0 = 10101010 25 BYTE Esiste una particolare aggregazione di bit che è costituita da 8 bit (2 8 = 256 informazioni) e prende il nome di byte Di solito si usano i multipli del byte Kilo KB 2 10 (~ un migliaio, 1024) byte Mega MB 2 20 (~ un milione, 1KB x 1024) byte Giga GB 2 30 (~ un milliardo, 1MB x 1024) byte Tera TB 2 40 (~ mille miliardi, 1GB x 1024) byte 26 RAPPRESENTAZIONE DI NUMERI INTERI SU COMPUTER Tipicamente 4 byte (= 32 bit) oppure 8 byte (= 64 bit) RAPPRESENTAZIONE DIGITALE DI ALTRI TIPI DI INFORMAZIONE Per molti anni, l unico tipo di informazione rappresentata sui computer informazione di tipo numerico Ma lo stesso sistema può venire usato per codificare immagini, suoni, e testi 27 28 Codifica delle immagini Codifica delle immagini Suddividiamo l immagine mediante una griglia formata da righe orizzontali e verticali a distanza costante Ogni quadratino derivante da tale suddivisione prende il nome di pixel (picture element) e può essere codificato in binario secondo la seguente convenzione: Il simbolo 0 viene utilizzato per la codifica di un pixel corrispondente ad un quadratino in cui il bianco è predominante Il simbolo 1 viene utilizzato per la codifica di un pixel corrispondente ad un quadratino in cui il nero è predominante 29 30
Codifica delle immagini 0 0 0 1 0 0 0 0 0 0 0 0 1 1 1 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 31 Codifica delle immagini 0 0 0 1 0 0 0 0 0 0 0 0 1 1 1 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 Poiché una sequenza di bit è lineare, è necessario definire convenzioni per ordinare la griglia dei pixel in una sequenza. Assumiamo che i pixel siano ordinati dal basso verso l alto e da sinistra verso destra 0000000000 0011111000 0011100000 0001000000 32 Codifica delle immagini Non sempre il cortorno della figura coincide con le linee della griglia. Quella che si ottiene nella codifica è un approssimazione della figura originaria Se riconvertiamo la sequenza di stringhe 0000000000 0011111000 0011100000 0001000000 in immagine otteniamo Codifica delle immagini La rappresentazione sarà più fedele all aumentare del numero di pixel, ossia al diminuire delle dimensioni dei quadratini della griglia in cui è suddivisa l immagine 33 34 EFFETTO DELLA RISOLUZIONE PIU DI DUE COLORI Se l immagine è solo in bianco e nero (senza grigi), basterà usare un 1 per i pixel neri, e uno 0 per i pixel bianchi Se l immagine ha più di due colori, si faranno corrispondere a gruppi diversi di 0 e 1 sfumature diverse di colore (o di grigio) 35 36
RAPPRESENTARE COLORI Così, ad esempio, se si fa corrispondere a ogni pixel un byte (cioè 8 bit), potremo differenziare 256 colori Al posto della tabella di codifica dei caratteri avremo una tabella di codifica dei colori Ad es: 00101101 Digitalizzare le immagini La nostra immagine viene in questo modo fatta corrispondere a una larghissima matrice Ogni pixel dell immagine viene codificato dal gruppo di 0 e 1 associato al suo colore dalla tabella di codifica dei colori utilizzata 37 38 I SUONI CONVERSIONE IN DIGITALE VIA CAMPIONAMENTO 39 40 SUONO: DALLA RAPPRESENTAZIONE ANALOGICA ALLA RAPPRESENTAZIONE DIGITALE Digitalizzare informazione multimediale E i filmati? Un filmato non è altro che una successione di fotogrammi (frame) accompagnata da una colonna sonora Basterà codificare, uno per uno, tutti i fotogrammi (sappiamo come fare: ogni fotogramma è un immagine) e codificare la colonna sonora. Non stupisce che per codificare un breve filmato servano moltissimi bit! 41 42
Codifica digitale del testo Il testo come sequenza di caratteri Ciascun carattere alfanumerico, di punteggiatura o di controllo che compone il testo deve essere rappresentato nei termini di un codice binario Le avventure di Pinocchio Capitolo I Come andò che Maestro Ciliegia, falegname, trovò un pezzo di legno, che piangeva e rideva come un bambino. C'era una volta... - Un re! - diranno subito i miei piccoli lettori. - No, ragazzi, avete sbagliato. C'era una volta un pezzo di legno. Non era un legno di lusso, ma un semplice pezzo da catasta, di quelli che d'inverno si mettono nelle stufe e nei caminetti per accendere il fuoco e per riscaldare le stanze. Non so come andasse, ma il fatto gli è che un bel giorno questo pezzo di legno capitò nella bottega di un vecchio falegname, il quale aveva nome mastr'antonio, se non che tutti lo chiamavano maestro La codifica di livello 0 Il testo come sequenza di caratteri dietro le quinte 43 44 La codifica di livello 0 caratteri e numeri Numeri e numeri MAESTRO CILIEGIA A 45 carattere 65 codice (decimale) del carattere 0 1 0 0 0 0 0 1 I computer elaborano internamente solo sequenze di bit (0,1) codifica binaria del codice del carattere Sistema binario numero vengono usate due cifre (0 e 1) per rappresentare un numero problema: i numeri binari sono estremamente lunghi Sistema esadecimale ogni numero è rappresentato con 16 cifre (0,1,2,3,4,5,6,7,8,9,A,B,C,D,E,F) i numeri sono più corti di quelli binari e di quelli decimali. estrema facilità di conversione tra binario ed esadecimale: in una sequenza binaria, ogni stringa di 4 bit corrisponde ad una cifra esadecimale. 0110 1111 0110 numero binario (6) (15) (6) 6 F 6 numero esadecimale 46 X 10 A 1010 rappresentazione di un numero Rappresentare i caratteri Quali caratteri scegliere? un insieme di caratteri (es. A, a,!, à,, ecc.) i caratteri sono entità astratte, da non confondersi con il modo in cui sono realizzati tipograficamente (glifi) Uno stesso carattere può variare nella resa grafica in varie dimensioni: 1. Serie (o font): AGKpqt, AGKpqt, AGKpqt, 2. Peso: AGKpqt, AGKpqt 3. Inclinazione: AGKpqt, AGKpqt 4. Punti: AGKpqt, AGKpqt, AGKpqt, AGKpqt 5. Altri effetti: AGKpqt, AGKpqt, AGKpqt, AGKpqt AGKpqt, 47 Come rappresentare i caratteri? Caratteristiche distintive e non distintive Differenza tra MAIUSCOLE e minuscole in tedesco Blau (nome) vs blau (agg.), in Windows: ( Prova.txt, PROVA.TXT, prova.txt sono lo stesso file); non così in Unix/Linux. La stessa realizzazione grafica può corrispondere a caratteri diversi (es. A latina e A cirillica e A greca) 48
Come rappresentare i caratteri nel computer? Come creare la corrispondenza? (il codice) una tabella che definisce una corrispondenza biunivoca (1-a-1) tra un repertorio di caratteri e un insieme di numeri interi non negativi a ogni carattere è assegnato un codice numerico (punto di codice / code position) Come codificare il carattere? algoritmo che determina come i codici dei caratteri vadano rappresentati in sequenze di bit (byte). Il problema è reso non banale dalla necessità di separare i caratteri: 43456 = (4)(34)(56) (4)(3)(4)(56) 49 Il codice ASCII (American Standard Code for Information Interchange) Primo standard per l assegnazione di codici a caratteri (dal 1963) set di caratteri riconosciuto da tutti i computer conosciuto come ASCII Standard o ISO-646 Codifica 7 bit ciascun punto di codice è rappresentato con il numero binario corrispondente di 7 bit in realtà 1 byte = 8 bit di cui un bit non è usato per la codifica (bit di parità) 7 bit = 2 7 punti di codice = 128 caratteri rappresentati Sufficiente per rappresentare l inglese mancano i caratteri accentati, umlaut, ecc. per rappresentare altri alfabeti occidentali 50 ASCII Standard decimale ed esadecimale 51 Caratteri di controllo Si ottengono premendo una lettera mentre si tiene premuto il tasto Cntl. A volte Control viene scritto ^ o Ctrl- ( Control-A = Ctrl-A = ^A ) Compiono funzioni specifiche ai vari programmi. Corrispondono al carattere non stampabile che nell ASCII si trova 64 posizioni indietro rispetto al codice della lettera maiuscola premuta insieme con Ctrl. Esempio: G = ASCII 71 Control-G = 71-64 = 7 = codice BELL (rappresentato dal suono beep del computer) Cf. http://it.wikipedia.org/wiki/carattere_di_controllo ASCII è completato da uno standard per la interpretazione dei caratteri di controllo, (ANSI X3; per approfondimenti vedi http://www.inwap.com/pdp10/ansicode.txt ) Caratteri di controllo: esempio del fine riga Può corrispondere a: Carriage Return, (CR, lo spostamento alla prima colonna, carattere 13, o Ctrl-M del ASCII), Line Feed, spostamento alla riga sottostante, senza cambiare colonna (LF, carattere n.10, Ctrl-J) Scelte differenti nei vari sistemi operativi: Windows/DOS: CR+LF (entrambi i caratteri necessari) Mac: solo CR (fino al System X, poi solo LF) Unix/Linux: solo LF 53 54
File binari e file ASCII I file possono essere di tipo ASCII o di tipo binario. I primi contengono solo caratteri stampabili contenuti nel codice ASCII ristretto (dal 32 al 127), i secondi usano l'intero spazio dei valori possibili per il byte (256). Un file binario non può essere in genere visualizzato sullo schermo dai comandi di base del sistema operativo stesso (p.es. type ) ma solo da programmi specifici per quel tipo di file binario (niente resa grafica standard) File binari e file ASCII I file eseguibili (windows.exe,.com, ), le immagini (.jpg,.gif,.png,.tif, ) e tutti i file compressi (.zip,.gz, ) sono in genere in formato binario Il protocollo dell email può solo trasmettere file ascii Con allegati ( attachment ) binari, necessità di ricodifica in ASCII crescita di dimensioni attorno al 40% 55 56 Il set di caratteri ISO-Latin-1 La famiglia di caratteri ISO-8859 ISO-Latin-1 (ISO-8859-1 o ASCII esteso) unica estensione standard di ASCII 1 byte = 8 bit = 2 8 punti di codice = 256 caratteri rappresentati sufficiente per lingue europee occidentali (italiano, francese, ecc.) ASCII Standard Caratteri di controllo 0-32 128-159 14 set di caratteri standardizzati da ISO (International Standard Organization) Codifica: 1 byte = 256 caratteri rappresentati da ciascun set Soprainsiemi dei caratteri ASCII Standard punti di codice 0-127 (parte comune) ASCII punti di codice 128-159 codici di controllo (non corrispondono a caratteri grafici) punti di codice 160-255 (parte variabile) caratteri aggiuntivi per greco, cirillico, lingue slave, arabo, ebraico, ecc. 57 58 La famiglia di caratteri ISO-8859 ISO-Latin-1 Limiti di ISO-8859 I set di ISO-8859 sono tutti reciprocamente incompatibili. Punto di codice 232 ISO-8859-1 (Latin-1) = è ISO-8859-5 (Cyrillic) = ш Coem usare più lingue nello stesso documento? ISO-8859 non copre lingue come giapponese, cinese, ecc. che non usano sistemi alfabetici, ma ideografici 59 60
The Universal Character Set UNICODE (ISO-10646) Standard internazionale che si prefigge di rappresentare qualsiasi tipo di carattere appartenente ai sistemi grafici esistenti Sistemi di scrittura di tutte le lingue europee, asiatiche, africane, ecc., sia antiche che moderne. Sistemi di caratteri basati sui fonemi (p.es. italiano), sulle sillabe (p.es. Thai), su ideogrammi (p.es. Cinese), geroglifici, braille, ecc. Sistemi di simboli tecnici e scientifici (p.es. matematica, logica) Punteggiatura e segni diacritici (p.es. accenti) The Universal Character Set UNICODE (ISO-10646) Circa 100.000 caratteri grafici rappresentati (Unicode v. 5.1.0) ma i punti di codice disponibili sono più di 1 milione (4 byte)!! Risolve i problemi di incompatibilità dei sistemi ISO-8859 estende l insieme dei caratteri supportati permette la realizzazione di documenti multilingui http://www.unicode.org/standard/whatisunicode.html http://www.unicode.org/standard/translations/italian.html 61 I primi 65536 caratteri (2 16 ) costituiscono il Basic Multilingual Plane (BMP), primo di 17 piani in cui è diviso UNICODE. Nel BMP, 6500 punti di codice sono riservati per usi privati (loghi, trademarks ) 62 The Universal Character Set UNICODE (ISO-10646) I punti di codice sono rappresentati con U+numero esadecimale, ed hanno un nome standard: A U+0041 = Latin Capital Letter A (decimale 65) ω = U+03C9 = Greek Letter Omega I primi 256 caratteri sono identici al set di caratteri Latin-1, a sua volta un soprainsieme dell' ASCII. UNICODE: composizione dei caratteri Caratteri complessi (p.es. u con umlaut) possono essere rappresentati in due modi: Come elementi precostituiti (codice U+00FC, ü ) Come elementi composti, formati da un carattere di base quale u (U+0075) ed uno o più caratteri che non introducono spaziatura ( non spacing ), che vengono quindi sovrascritti al precedente, in questo caso (U+0308) Problema dell ordinamento alfabetico (come decomporre caratteri complessi) 63 64 Codifica dei caratteri Vari tipi di codifica: UCS-2 (tutti i caratteri a 2 byte) UCS-4 (tutti i caratteri a 4 byte) UTF-8 (caratteri 0-127 con 1 byte, oltre 2, 3 o 4 byte) UTF-16, ecc. Codifica più comune: UTF-8 Blocchi di codice I vari alfabeti sono divisi in gruppi detti blocchi di codice (code blocks) Tentativo di non duplicare i caratteri di lingue diverse. Non esiste p.es. una A italiana, una A norvegese. 65 66
Blocchi di codice (2) Vengono invece duplicati i caratteri omografi di sistemi di scrittura (storicamente) diversi (p.es. Greco, latino, cirillico) Al contrario, le migliaia di ideogrammi comuni alla scrittura cinese, giapponese e coreana (che discendono tutti da una scrittura comune) sono unificati (si veda http://www.unicode.org/notes/tn26/ per una discussione del perché) Come trovo il mio carattere? Indice alfabetico dei caratteri: http://www.unicode.org/charts/charindex.html Oppure procedendo per sistema di scrittura (script) http://www.unicode.org/charts/ Alcune spiegazioni generali su: http://unicode.org/standard/where/ Problemi maggiori per i simboli 67 68 RIASSUNTO Due tipi di informazione: in forma ANALOGICA, in forma DISCRETA (o simbolica) Per rappresentare o comunicare informazione occorre un CODICE Codici digitali: Per numeri: binario Per testi: ASCII Per immagini Per suoni E possibile progettare dei codici piu o meno ottimali usando idee della teoria dell informazione Compressione: JPEG, MP3 70 RIFERIMENTI / SITI Tomasi, capitoli 1.1 e 6 Lucidi di Ciotti online: Online: http://www.mediamente.rai.it/mediamentetv/learning/ed_multimediale/lezioni/01/ 71